データ駆動型配電系統電圧推定における物理情報の活用

カテゴリ：部門大会

論文No：115

グループ名：【B】令和7年電気学会電力・エネルギー部門大会

発行日：2025/9/5

タイトル(英語)：Leveraging Physics-informed Learning for Data-Driven Distribution System Voltage Estimation

著者名：喜久里浩之（早稲田大学/産業技術総合研究所），志賀優樹（産業技術総合研究所），橋本潤（産業技術総合研究所），藤本悠（早稲田大学）

著者名(英語)： Hiroshi Kikusato (), Yuki Shiga (AIST), Jun Hashimoto (AIST), Yu Fujimoto (Waseda University)

キーワード：状態推定,機械学習,分散型エネルギーリソース,データ駆動型,電力潮流計算,state estimation,machine learning,distributed energy resource,data-driven,power flow calculation

要約(日本語)：近年の分散型エネルギリソース（DER）大量導入により配電系統の潮流が複雑化し、高精度な状態推定が不可欠である。しかし、従来の潮流計算は系統モデルの入手困難性や利用の労力に課題を抱える。本研究は、これらの課題に対し、系統モデルを用いないデータ駆動型電圧推定手法を提案する。特に、物理情報に基づくニューラルネットワーク（PINN）を導入し、電気回路の物理法則を学習プロセスに組み込むことで推定精度向上を図る。数値計算により提案手法の有効性を検証した結果、従来の機械学習手法に比べ、学習データが網羅しない外挿領域において電圧推定精度が改善されることを確認した。本成果は、DER導入下の配電系統運用効率向上や出力抑制最小化に貢献すると期待される。

PDFファイルサイズ：598Kバイト